fast-agent (MCP server) — Casos de uso, Instalar & Demo en vivo

Por qué usarlo

Características clave

Decoradores @fast.agent() / @fast.chain() / @fast.parallel() para formas de agente
Soporte de primera clase para MCP, Skills y ACP
Multi-modelo (Anthropic, OpenAI, Bedrock, local)
Ejecutor de evaluaciones + visualizador de trazas integrados
Puede ejecutarse como servidor MCP, exponiendo tus agentes como herramientas

Demo en vivo

Cómo se ve en la práctica

fast-agent-mcp.replay ▶ listo

0/0

Instalar

Elige tu cliente

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Abre Claude Desktop → Settings → Developer → Edit Config. Reinicia después de guardar.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Cursor usa el mismo esquema mcpServers que Claude Desktop. La configuración del proyecto prevalece sobre la global.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Haz clic en el icono MCP Servers de la barra lateral de Cline y luego en "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "fast-agent-mcp": {
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  }
}

Mismo formato que Claude Desktop. Reinicia Windsurf para aplicar.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "fast-agent-mcp",
      "command": "uvx",
      "args": [
        "fast-agent-mcp"
      ]
    }
  ]
}

Continue usa un array de objetos de servidor en lugar de un mapa.

~/.config/zed/settings.json

{
  "context_servers": {
    "fast-agent-mcp": {
      "command": {
        "path": "uvx",
        "args": [
          "fast-agent-mcp"
        ]
      }
    }
  }
}

Añádelo a context_servers. Zed recarga en caliente al guardar.

claude mcp add fast-agent-mcp -- uvx fast-agent-mcp

Un solo comando. Verifica con claude mcp list. Quita con claude mcp remove.

Casos de uso

Usos del mundo real: fast-agent

Construir un agente de investigación profunda en 30 líneas de Python

👤 Desarrolladores que quieren un agente de investigación reproducible ⏱ ~60 min intermediate

Cuándo usarlo: Prototipaste «investiga X» en el chat y lo quieres como agente invocable.

Requisitos previos

Python 3.11+ y uv — Instala uv si no lo tienes; fast-agent lo usa
fast-agent instalado — uvx fast-agent-mcp init; entra al directorio del proyecto

Flujo

Generar el esqueleto

Use fast-agent. Generate a research agent skeleton with tavily search + fetch + summarize tools.✓ Copiado

→ agent.py con decorador @fast.agent
Conectar los MCPs

Attach the tavily-mcp and filesystem MCP servers in fastagent.config.yaml.✓ Copiado

→ Configuración validada; servidores conectados
Ejecutar e iterar

Run with: research 'state of small embedding models 2026'. Inspect the trace.✓ Copiado

→ La traza muestra la cadena búsqueda → obtención → resumen; la salida es un briefing con fuentes
Añadir una evaluación

Author a 5-prompt eval; run nightly. Fail if any source citation is missing.✓ Copiado

→ Salida de eval verde/roja; cron nocturno configurado

Resultado: Un pipeline de investigación reproducible que puedes entregar a compañeros de equipo.

Errores comunes

La magia del decorador oculta lo que hace el agente — Lee siempre la traza; entiende cada llamada a herramienta antes de declarar que el agente funciona

Combinar con: tavily-mcp · filesystem

Exponer tu fast-agent como servidor MCP

👤 Desarrolladores que comparten agentes entre equipos ⏱ ~25 min intermediate

Cuándo usarlo: Construiste un agente interno en fast-agent y quieres que otros lo llamen desde Claude.

Flujo

Marcar el agente como expuesto

Add @fast.agent(expose=True) to the decorator; specify name and description for tool discovery.✓ Copiado

→ El agente ahora también aparece como herramienta MCP
Ejecutar como servidor MCP

Run: fast-agent serve --transport stdio.✓ Copiado

→ Servidor MCP stdio en ejecución con tu agente listado como herramienta
Añadir a los clientes

Add the fast-agent stdio config to my Claude Desktop config.✓ Copiado

→ Herramienta visible en Claude; llamarla invoca tu agente

Resultado: Tu agente personalizado reutilizable en todo el equipo como cualquier otro MCP.

Errores comunes

El agente depende de archivos locales que solo el autor tiene — Mueve la configuración + recursos al paquete del agente; documenta las variables de entorno requeridas

Comparar dos versiones de prompt con el ejecutor de evaluaciones

👤 Cualquiera que afina un prompt para producción ⏱ ~45 min intermediate

Cuándo usarlo: Dudas entre dos formulaciones de prompt y quieres elegir por datos.

Flujo

Escribir la evaluación

Define an eval with 12 representative inputs and golden outputs.✓ Copiado

→ evals/<name>.yaml
Ejecutar dos veces

Run eval against prompt v1, then v2. Compare pass rates + token usage.✓ Copiado

→ Tabla comparativa con diferencias
Elegir y bloquear

Save the winning prompt to prompts/winning.md; tag the eval as the regression baseline.✓ Copiado

→ Baseline bloqueado; los PRs futuros se ejecutan contra él

Resultado: Elección de prompt basada en datos + red de regresión.

Errores comunes

Las 12 entradas son todas del camino feliz — Añade casos adversariales — entrada vacía, entrada malformada, hechos contradictorios

Combinaciones

Combínalo con otros MCPs para multiplicar por 10

fast-agent-mcp + tavily-mcp + filesystem

Crear un agente de investigación con MCPs de web y sistema de archivos adjuntos

Build a research agent that uses tavily for search, filesystem for note persistence.✓ Copiado

fast-agent-mcp + mcpjam-inspector

Inspeccionar tu servidor fast-agent con la UI de MCPJam antes de publicar

Run fast-agent as MCP server; connect via mcpjam-inspector to verify tool schemas.✓ Copiado

Herramientas

Lo que expone este MCP

Herramienta	Entradas	Cuándo llamar	Coste
agent.run	messages, agent_name?	Ejecutar un agente de principio a fin	Model + tool calls
agent.list	—	Descubrir qué está expuesto	0
eval.run	eval_name, prompt_version?	Regresión pre-commit / nocturna	Model API per prompt
trace.get	run_id	Depurar una ejecución específica	0

Coste y límites

Lo que cuesta ejecutarlo

Cuota de API: La cuota del proveedor del modelo que elijas
Tokens por llamada: Muy variable — depende del diseño del agente
Monetario: Framework gratuito; paga a los proveedores de modelos
Consejo: Usa --model haiku-4.5 en desarrollo; cambia a sonnet para ejecuciones de producción y evaluaciones

Seguridad

Permisos, secretos, alcance

Ámbitos mínimos: Whatever attached MCPs need

Almacenamiento de credenciales: fastagent.secrets.yaml (en gitignore) o variables de entorno

Salida de datos: A los servidores MCP adjuntos y los proveedores de modelos elegidos

No conceder nunca: Tokens de escritura en producción a entornos de desarrollo

Los decoradores pueden capturar contexto local — cuidado con serializar accidentalmente secretos en el estado del agente

Resolución de problemas

Errores comunes y soluciones

El agente hace bucles sin converger

Define max_steps; inspecciona la traza para encontrar el bucle. A menudo una herramienta devuelve salida ambigua y el modelo reintenta indefinidamente

Verificar: trace.get(run_id)

La evaluación reporta 0% pero la ejecución manual funciona

Verifica el formato de golden_output — igualdad estricta vs comparación semántica

El servidor MCP en la configuración no se adjunta

Ejecuta el comando del servidor de forma independiente primero; verifica que las variables de entorno están en fastagent.secrets.yaml

Primera ejecución lenta

uv descarga las dependencias en la primera llamada; quedan en caché en las siguientes. Pre-calienta en CI

Alternativas

fast-agent vs otros

Alternativa	Cuándo usarla	Contrapartida
PrefectHQ/fastmcp	Quieres el framework canónico para servidores MCP, no un framework completo de agentes	fastmcp es para construir servidores; fast-agent es para construir (y orquestar) agentes que los consumen
LangGraph	Tu equipo ya invirtió en el ecosistema LangChain	Más general; menos nativo de MCP
mcp-agent (lastmile-ai)	Prefieres un framework más minimalista, a nivel tutorial	Alcance menor; menos baterías incluidas

Más

Recursos

📖 Lee el README oficial en GitHub

🐙 Ver issues abiertas

🔍 Ver todos los 400+ servidores MCP y Skills